非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

基于小波分析的功能磁共振图像的去噪预处理

对基于小波分析的fMRI去噪作了较具体的论述，并在Donoho和Johnstone的Hard函数及Soft函数基础上提出了更合适的Hard—Soft函数．从结果分析看，Hard—Soft函数比Soft函数在保留图像细节上占优，而去噪性能比Hard函数要好．因而能够在图像去噪和保护信息上达到更好的均衡，克服了Hard函数和Soft函数的两个极端状况．     

一种容错会议密钥分配方案设计与分析

基于Byzantine模型，提出了一种会议密钥分配方案．该方案通过将秘密信息分布于多个服务器中实现了安全和容错的密钥分配．在该方案中，即使实施密钥分发的服务器组中有部分被入侵或系统部件存在故障，系统的所有授权用户仍可以获得正确的会议密钥．对方案的分析表明，基于离散对数计算和大整数分解的困难性，任何攻击者都无法获得会议密钥的相关信息，同时入侵者亦不能阻止系统的授权用户得到正确的会议密钥。     

全球卫星导航系统数字中频信号再量化方法

GNSS抗干扰技术需要采用高位A/D量化,而现有接收机往往采用低位A/D量化,即在抗干扰前后采用不同A/D量化位数。为了不改变GNSS接收机的现有结构,因此需要研究如何将高位量化数字信号转换为低位量化数字信号。针对传统直接截取法带来信噪比损耗的问题,提出了一种基于自适应门限的GNSS数字中频信号再量化方法,该方法通过转换后低位信号的最佳概率分布即高斯分布不断调整再量化门限值,根据该门限值对高位数字信号进行再量化。理论分析并仿真比较了传统截取法和新方法再量化损耗,结果表明新方法具有更小的再量化损耗,并且针对提出的再量化方法对卫星信号进行捕获仿真,证明了该方法真实可行。     

连接门限阈值法在肝脏CT图像分割上的应用

讨论了区域生长算法的基本原理,并采用其中经典的连接门限阈值(Connected Threshold)算法,通过VC编程对肝脏CT图像进行了分割,提取了其中的肝脏组织轮廓.实验结果表明,该算法能较好的分割出肝脏组织轮廓.文中也对该算法存在的问题进行了分析讨论.     

基于自适应门限局部改进及求根MUSIC算法

使用合适的门限才能正确地提取出小特征值，如果能适应较大范围的信噪比和快拍数就需要有一定自适应能力的门限．通常，信噪比对门限的影响比快拍数对门限的影响要大得多，经过反复计算和仿真得到一个门限公式：（15（SNR）0．8＊（snap）0．2），其中SNR为信噪比，snap为快拍数．多次仿真表明，该门限公式具有较好的自适应能力，即能很好地适应各种信噪比与快拍数的变化，能较准确地估计出信源个数．     

利用偏度分析建立动态检测门限的野值剔除方法

提出了一种采用动态门限检测和剔除野值的新方法。以往的单一检测门限不能可靠地清除观测数据中的全部野值 ,原因是缺少判断有无未剔除野值的识别机制。这里 ,借助于统计偏度分析建立了这种判别机制 ,从而能够有效地判断出是否存在有未被剔除的野值 ,并通过调节野值检测门限来达到彻底清除野值的目的。最后 ,还将此法推广到复数域     

自选子密钥的(t,n)门限方案

基于单向函数,提出了一个新的可自选子密钥的(t,n)门限方案．在该方案中,子密钥由各参与者自己选择．秘密恢复过程简单,公布参数较少．     

基于GoogLeNet和双层GRU的图像描述

针对基于卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)的方法存在计算复杂度高、收敛速度慢、训练时间长等问题,本文提出基于GoogLeNet和双层GRU的图像描述模型,在训练阶段采用适应性动量估计法(adaptiv...     

一种新的门限秘密共享方案

一个(k,n)门限秘密共享方案允许把一个秘密S分成n份Si(1≤i≤n),每一份交由一个用户Pi,使得任意k个或多于k个用户联合起来可以恢复秘密S,而任意少于k个用户却不能。在现实生活中,它有着非常广泛的应用。文章介绍了Shamir秘密共享方案,并设计了一种新的基于线性方程组求解的门限秘密共享方案。该方案满足完备、理想特性;与Shamir门限方案相比,其安全性相当;但在计算、重构以及更新共享时更有效。